Etude de la quantification

data <- read.csv("quantifFiles/quantifGenes.csv", h = T, sep = ",")
rownames(data) <- data$Gene
genes = which(!(grepl("__", rownames(data))))
not_quant = data[which((grepl("__", rownames(data)))), ]
data = data[genes, ]

Quant_genes = sum()
res = data.frame(No_features = as.numeric(as.vector(not_quant["__no_feature", grepl("R", 
    colnames(not_quant))])), Ambiguous = as.numeric(as.vector(not_quant["__ambiguous", 
    grepl("R", colnames(not_quant))])), Alignment_not_unique = as.numeric(as.vector(not_quant["__alignment_not_unique", 
    grepl("R", colnames(not_quant))])), QuantGenes = colSums(data[, grepl("R", colnames(data))]))

library(reshape2)
resMetlted <- melt(res)

p <- ggplot(resMetlted, aes(x = variable, y = value, fill = variable)) + geom_boxplot(alpha = 0.4) + 
    ggtitle("At : Nombre de reads par catégorie après quantification") + geom_jitter(width = 0.1, 
    alpha = 0.2)
p

data <- read.csv("quantifFiles/quantifGenesTomate.csv", h = T, sep = ",")
rownames(data) <- data$Gene
genes = which(!(grepl("__", rownames(data))))
not_quant = data[which((grepl("__", rownames(data)))), ]
data = data[genes, ]

Quant_genes = sum()
res = data.frame(No_features = as.numeric(as.vector(not_quant["__no_feature", grepl("R", 
    colnames(not_quant))])), Ambiguous = as.numeric(as.vector(not_quant["__ambiguous", 
    grepl("R", colnames(not_quant))])), Alignment_not_unique = as.numeric(as.vector(not_quant["__alignment_not_unique", 
    grepl("R", colnames(not_quant))])), QuantGenes = colSums(data[, grepl("R", colnames(data))]))

library(reshape2)
resMetlted <- melt(res)

p <- ggplot(resMetlted, aes(x = variable, y = value, fill = variable)) + geom_boxplot(alpha = 0.4) + 
    ggtitle("Tomate : Nombre de reads par catégorie après quantification") + geom_jitter(width = 0.1, 
    alpha = 0.2)
p

Comparé à la Arabidopsis c’est assez comparable, peut être sans les échantillons les moins couverts comme At

Homogénéité des réplicats : visualisation

annot <- read.csv("Code_for_RNAseq_CO2_N_Fr.csv", h = T, sep = ";")

conditions <- as.vector(unique(annot$Sample))
annot$condition <- substr(conditions, 1, nchar(conditions) - 1)

cond <- unique(substr(conditions, 1, nchar(conditions) - 1))
cond <- cond[grepl("Sl", cond)]

cor_diff <- c()
cor_same <- c()

scatter <- function(df, x, y) {
    sp <- ggplot(df, aes(log(df[, x]), log(df[, y]))) + geom_bin2d(bins = 70) + scale_fill_gradient2() + 
        theme(legend.position = "none") + labs(x = x, y = y)
    return(sp)
}
for (co in cond) {
    print(co)
    samples <- paste0("R", annot[annot$condition == co, ]$Code)
    df <- data[, samples]
    a <- scatter(df, samples[1], samples[2])
    b <- scatter(df, samples[1], samples[3])
    c <- scatter(df, samples[2], samples[3])
    grid.arrange(a, b, c, ncol = 3)
    
    cor_same <- c(cor_same, cor(df[, samples[1]], df[, samples[2]]), cor(df[, samples[1]], 
        df[, samples[3]]), cor(df[, samples[2]], df[, samples[3]]))
    
    other <- paste0("R", annot[annot$condition != co & !grepl("At", annot$Sample), 
        ]$Code)
    for (o in other) {
        cor_diff <- c(cor_diff, cor(data[, o], df[, samples[1]]), cor(data[, o], 
            df[, samples[2]]))
    }
}

[1] "Sl_AmbientCO2_HighNitrate_Fe"

[1] "Sl_AmbientCO2_LowNitrate_Fe"

[1] "Sl_ElevatedCO2_HighNitrate_Fe"

[1] "Sl_ElevatedCO2_LowNitrate_Fe"

[1] "Sl_AmbientCO2_HighNitrate_FeStarvation"

[1] "Sl_AmbientCO2_LowNitrate_FeStarvation"

[1] "Sl_ElevatedCO2_HighNitrate_FeStarvation"

[1] "Sl_ElevatedCO2_LowNitrate_FeStarvation"

Homogénéité des réplicats : significativité

On cherche maintenant à voir si ces plots montrent suffisamment corrélés pour montrer que les réplicats au sein d’une même condition sont suffisamment similaires. On peut déjà vérifier en plottant deux réplicats de conditions différentes : on voit que le scatter plot est plus dispersé que les réplicats biologiques.

scatter(data, "R28", "R40")

cors = data.frame(`Different conditions` = cor_diff, `Same conditions` = cor_same)

library(reshape2)
cors <- melt(cors)

p <- ggplot(cors, aes(x = value, fill = variable)) + geom_density(alpha = 0.4) + 
    ggtitle("Distribution des corrélations entre les réplicats, biologiques ou non")
p

Nous pouvons donc en conclure que nous réplcats on bien été labelisés, et qu’ils sont plus homogènes au sein d’une même condition qu’entre différentes conditions de la combinatoire. Il semblerait que nous puissions passer à la suite : analyse stat pour l’expression différentielle.